Gondoltad volna, hogy egyetlen hiányzó kilépés gomb észrevétele a képernyőterveken több mint 12 000 órányi felesleges tesztelést és 4000 óra utólagos fejlesztést spórolhat meg egy banki projektben?
A pénzügyi szektorban a szoftverminőség nem csupán belső igény, hanem kőkemény szabályozói kényszer is, ahol egyetlen éles hibából született negatív ügyfélélmény akár tömeges bankváltáshoz és milliós bírságokhoz vezethet.
Ebben az epizódban Hamana Zsolt és Hargitai Zsolt a banki szoftvertesztelés kulisszatitkait járják körbe, felderítve a korai tesztelés (Shift Left) üzleti megtérülését, a frontend felületek mögötti komplex integrációkat és a mesterséges intelligencia alkalmazásának jelenlegi határait.
Vendégünk Bodrogközi Gábor, a TesterLab csapatának tagja, aki több mint 10 éves szoftvertesztelői tapasztalatából 7 évet a legkomplexebb banki rendszerek tesztelésének szentelt.
Ha tesztelőként, fejlesztőként vagy projektvezetőként szeretnéd megérteni a kockázatalapú tesztelést, ha kíváncsi vagy, hogyan segít az AI a DORA és az EU AI Act által szabályozott környezetben szintetikus tesztadatokat gyártani, vagy tudni akarod, miért nem helyettesítheti az emberi józan észt és a domain tudást a mesterséges intelligencia, akkor ez az adás 🫵neked szól.
Megvizsgáljuk a hibajavítás exponenciálisan növekvő költségeit (a Cyberpunk 2077 tanulságaitól a banki frontendig), a verifikáció és validáció közötti különbséget, a 95%-os pass rate elvárásait, a szintetikus tesztadatok adatvédelmi erejét, valamint azt is, hogy miért kötelező a human-in-the-loop elv a kritikus pénzügyi döntéseknél.
⏱️ Időbélyegek
01:56 – Bevezetés: Hogyan segíti egy szoftvertesztelő a bankok mindennapjait?
04:40 – A Shift Left koncepciója: IT-irányelv vagy pénzügyi optimalizáció?
08:31 – Tesztelés kód nélkül: 16 000 spórolt munkaóra egyetlen hiányzó gomb észrevételével
10:25 – A McDonald’s kosárlabdapályás példája és a hibajavítás exponenciális költségei
15:25 – Verifikáció vs. Validáció: A szoftver jó, de miért piros kockás nyuszikat ír ki a képernyőre?
17:57 – A Cyberpunk 2077 esete: Menedzsmentnyomás, tőzsdei zuhanás és a kockázatelemzés hiánya
19:48 – Szabályozói nyomás a bankokban: Miért nem engedheti meg egy bank a hibás ügyfélélményt?
23:53 – Kockázatelemzési mátrix és a 95%-os pass rate elvárása a Jira-ban
26:21 – Évi 3–5 banki release: Miért állnak le a banki rendszerek hétvégenként?
36:44 – A frontend tesztelés mint detektívmunka: Integrációk, logok és a jéghegy alja
39:04 – A jéghegy alja és a fals negatív hibák veszélye: Amikor a gomb zöld, de az utalás elakad
44:10 – AI a banki tesztelésben: High-level tesztesetek és szintetikus adatok előállítása
51:08 – Fiktív profilok és tesztadatok szintetizálása AI segítségével
57:30 – EU AI Act 2026 nyarán: Nem-determinisztikus rendszerek tesztelése és a hitelbírálat auditálhatósága
01:03:21 – Human-in-the-loop: Miért nem helyettesítheti az AI a tesztelői kritikus gondolkodást és az ISTQB-t?
🧠 Ha tetszett az epizód:
👍 Nyomj egy like-ot! 💬
Írd meg kommentben: Nálatok a fejlesztés melyik szakaszában kapcsolódnak be a tesztelők a folyamatba?
🔔 Iratkozz fel, hogy ne maradj le a következő adásról!
🎧 Hallgasd meg a teljes beszélgetést Spotify-on, Apple Podcasten vagy YouTube-on, és válogass a korábbi adásaink közül: TesterLab - Nálunk működött
🔗 Hasznos linkek Weboldal: https://testerlab.io
LinkedIn profilok:
Hamana Zsolt: linkedin.com/in/zsolt-hamana
Hargitai Zsolt: linkedin.com/in/zsolt-hargitai
Bodrogközi Gábor: linkedin.com/in/gabor-bodrogkozi